MétaCan
Menu
Retour à la cohorte
Enregistrement W3015772434 · doi:10.23750/abm.v91i3-s.9442

Vaccines are underused in pregnancy: what about knowledge, attitudes and practices of providers?

2020· review· en· W3015772434 sur OpenAlexaff

Notice bibliographique

RevuePubMed · 2020
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueBacterial Infections and Vaccines
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésPregnancyMedicineBusinessBiology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: To investigate actual knowledge of official recommendations towards seasonal influenza (SID), and Tetanus-diphtheria acellular-pertussis (Tdap) vaccines in obstetrics/gynecologists (OBGYN). METHODS: PubMed and EMBASE databases were searched. A meta-analysis was performed to calculate odds ratio (OR) and 95% confidence interval (CI) among case controls, cross-sectional studies, either questionnaire or laboratory exams based. Results. A total of 6 studies met inclusion criteria, including 1323 OBGYN from 5 different countries. Overall, around 99% of sampled professionals were aware that official recommendations towards SID in pregnancy do exist, compared to 92% for Tdap, with significant heterogeneity (I2 > 95%, p < 0.001). Concerns about vaccine safety was reported by 10% of respondents for Tdap, and by 6.0% for SID, but again available studies were substantially heterogenous (I2 = 86.7% and 86.0%, p < 0.001). Eventually, 93% of respondents actively recommended SID in pregnancy, compared to 88% for Tdap (I2 98.8% and I2 95.9%, respectively p < 0.001). The evidence of significant publication bias was initially subjectively identified from the funnel plot, and then objectively confirmed through the regression test for all analyses. CONCLUSIONS: These results suggest an appropriated understanding of official recommendation among sampled OBGYN, with high shares of professionals actively promoting vaccination practices among their patients. Despite the high heterogeneity and the significant publication bias we identified, our results also hint towards extensive knowledge gaps of OBGYN, and particularly regarding unmotivated concerns about vaccine safety. As a consequence, appropriate information and formation campaigns should be appropriately tailored.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,061
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,061
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,004
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,077
Tête enseignante GPT0,337
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetBacterial Infections and VaccinesTravaux en français237 207